Contextual Online Bilateral Trade
上下文在线双边交易
机构 * New York University（纽约大学） ； Sapienza University（萨皮恩扎大学） ； Google Research（谷歌研究） ； EPFL（苏黎世联邦理工学院）
AI总结 本文研究了具有上下文性估值的双边交易问题，设计了在两位反馈下实现O(d log d)遗憾的算法，并在一位反馈下允许小负利润的算法，同时探讨了预算平衡与时间范围无关的交易收益算法。
高校专区
New York University（纽约大学）
AI Agents for Inventory Control: Human-LLM-OR Complementarity
面向库存控制的AI代理：人类-大语言模型-运筹学互补性
机构 * Stern School of Business, New York University（纽约大学斯特恩商学院） ； Columbia University（哥伦比亚大学） ； Graduate School of Business and Data Science Institute, Columbia University（哥伦比亚大学商学院与数据科学研究院）
AI总结 本文研究了人类、大语言模型和运筹学算法在库存控制中的互补性，通过实验发现人机协作能提升利润，且大量个体从中受益。
Bench-MFG: A Benchmark Suite for Learning in Stationary Mean Field Games
Bench-MFG：用于在平稳均场博弈中学习的基准测试套件
机构 * University of Cambridge（剑桥大学） ； NYU Shanghai（纽约大学上海分校） ； NYU Center for Data Science（纽约大学数据科学中心） ； Earth Species Project（地球物种计划） ； NYU-ECNU Institute of Mathematical Sciences at NYU Shanghai（纽约大学上海分校数学科学研究所）
AI总结 Bench-MFG提出了一套用于评估MFG学习方法的基准测试套件，通过分类问题类型和生成随机实例，提供标准化的实验框架和评估指南。
